Python 使用参数stop_words时，scikit learn TFIDFvectorier中出现错误

我是新手。我正在尝试进行tfidf矢量化，以适应由英语句子组成的1*M numpy.array，即tot_数据（在下面的代码中）。 这里的“words”是一个numpy.array（1*173），包含停止词列表。 我需要明确定义参数stop_words。 如果我没有显式使用参数stop_words，代码运行正常，但下面的行显示错误

word=numpy.array（['a'，'about'，…]））

>>矢量器=TfidfVectorizer（最大df=0.95，停止字=字）.fit（tot数据）
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“/usr/local/python2.7/lib/python2.7/site-packages/sklearn/feature_-extraction/text.py”，第1203行，适合
X=super（TfidfVectorizer，self）.fit\u转换（原始文档）
文件“/usr/local/python2.7/lib/python2.7/site packages/sklearn/feature\u extraction/text.py”，第780行，在fit\u transform中
词汇表，X=self.\u count\u vocab（原始文档，self.fixed\u词汇表）
文件“/usr/local/python2.7/lib/python2.7/site packages/sklearn/feature\u extraction/text.py”，第710行，在
analyze=self.build\u analyzer（）
文件“/usr/local/python2.7/lib/python2.7/site packages/sklearn/feature_extraction/text.py”，第225行，内置分析器
停止单词=self.get\u停止单词（）
文件“/usr/local/python2.7/lib/python2.7/site packages/sklearn/feature\u extraction/text.py”，第208行，以get\u stop\u words格式
返回检查停止列表（self.stop\u单词）
文件“/usr/local/python2.7/lib/python2.7/site packages/sklearn/feature\u extraction/text.py”，第85行，在检查停止列表中
如果停止==“英语”：
ValueError：包含多个元素的数组的真值不明确。使用a.any（）或a.all（）

原因：错误的原因是numpy数组传播到元素：

>>> word == 'english'
array([False, False, False], dtype=bool)

和

如果

语句无法将结果数组转换为布尔值：

>>> if word == 'english': pass
...
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

---

原因：错误原因是numpy数组传播到元素：

>>> word == 'english'
array([False, False, False], dtype=bool)

和

如果

语句无法将结果数组转换为布尔值：

>>> if word == 'english': pass
...
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

@amitbisai不客气！标准免责声明：如果你发现问题有用，请考虑。标准免责声明：如果你发现问题有用的话，考虑一下。